기본 콘텐츠로 건너뛰기

왜 AI '전문가'는 계속 나타나고 사라지는가? (프롬프트 엔지니어, 바이브 코더, MCP 에이전트)

 



생성형 AI의 등장은 기술 시장에 '전문가 하이프 사이클'이라는 흥미로운 패턴을 만들어냈습니다. 한때 '미래의 직업'이라 불리던 역할이 순식간에 사라지고, 또 다른 전문가가 그 자리를 차지하는 현상이 반복되고 있죠. 이 글에서는 이러한 패턴을 분석하고, 변화의 물결 속에서 우리가 진짜 집중해야 할 것이 무엇인지 알아봅니다.

1. 사라진 억대 연봉의 꿈: '프롬프트 엔지니어'의 부상과 쇠퇴

2022년 말, ChatGPT가 등장하며 AI와 소통하는 능력, 즉 '프롬프트 엔지니어링'이 주목받기 시작했습니다. [1] 앤트로픽 같은 기업이 최대 37만 5천 달러의 연봉을 제시하며 전문가를 찾자, 시장은 '프롬프트 엔지니어' 열풍에 휩싸였습니다. [2] 관련 서적과 강의가 쏟아져 나왔죠.

하지만 이 유행은 오래가지 못했습니다. AI 모델이 "개떡같이 말해도 찰떡같이 알아듣는 수준"으로 발전하면서 [3], 정교한 프롬프트의 필요성이 줄었습니다. 결국 프롬프트 엔지니어링은 전문 직업이 아닌, 누구나 갖춰야 할 기본 소양(AI 리터러시)으로 자리 잡게 되었습니다. [4, 5] 이는 과거 검색엔진 초창기에 잠시 존재했던 '정보 검색사'라는 직업이 사라진 것과 같은 맥락입니다. [3]

핵심 요약: '프롬프트 엔지니어'의 쇠퇴는 기술의 실패가 아니라, 오히려 기술의 빠른 성공과 대중화가 만든 자연스러운 결과입니다.

2. 새로운 유행의 등장: '바이브 코딩'과 'MCP 에이전트'

프롬프트 엔지니어의 자리를 새로운 트렌드가 빠르게 채우고 있습니다. 바로 '바이브 코딩'과 'MCP 에이전트' 전문가입니다.

바이브 코딩(Vibe Coding): "영어가 최고의 프로그래밍 언어"

바이브 코딩은 개발자가 자연어로 AI에게 지시하면, AI가 코드를 생성하는 개발 스타일입니다. [6, 7, 8] "누구나 월 1.2억을 벌 수 있다" [9], "1인 스타트업이 100명의 몫을 한다" [10] 와 같은 자극적인 문구와 함께 관련 서적과 강의가 쏟아지며 프롬프트 엔지니어링의 과대광고를 재현하고 있습니다. [9, 11, 12] 하지만 보안 취약점, 유지보수의 어려움 등 명확한 한계도 존재합니다. [13, 14, 15]

MCP 에이전트(Model Context Protocol Agent): "자율 AI 시스템의 설계자"

MCP는 AI가 외부 도구나 서비스와 연결되어 실제 '행동'을 수행하게 만드는 표준 통신 규약입니다. [16, 17, 18] 'AI를 위한 디지털 여권' [19] 이라 불리며, 자율적인 '디지털 인력'을 만드는 핵심 기술로 기대를 모으고 있습니다. [20] 이에 "MCP로 멀티 에이전트 구축하기"와 같은 전문 강의들이 등장하며, 차세대 AI 전문가의 탄생을 예고하고 있습니다. [21, 22]

3. 역사는 반복된다: 진짜와 가짜를 구별하는 법

이러한 현상은 AI 시대에만 국한된 것이 아닙니다. 1990년대 '닷컴 버블' 당시 이름에 '.com'만 붙으면 주가가 폭등했던 현상이나 [23, 24], 2000년대 후반 '소셜 미디어 구루'의 등장은 모두 비슷한 패턴을 따릅니다. [25, 26]

반복되는 패턴: 신기술 등장 → 대중의 이해 부족 → 자칭 '전문가' 출현 → 기술의 대중화 및 성숙 → 특정 직함의 소멸

결국 중요한 것은 스쳐 지나가는 직함이 아니라, 그 밑에 깔린 지속 가능한 핵심 기술입니다.

4. AI 시대 생존 전략: 유행이 아닌 '기본'에 집중하라

변화무쌍한 AI 시대에 흔들리지 않는 경쟁력을 갖추기 위해 우리는 다음의 역량에 집중해야 합니다:

  • 시스템 사고(Systems Thinking): AI, 데이터, API 등 다양한 요소가 어떻게 상호작용하는지 전체적으로 이해하는 능력.
  • 비판적 사고 및 문제 해결 능력: 복잡한 문제를 AI가 해결할 수 있는 작은 단위로 나누고, AI의 결과물을 비판적으로 검증하는 능력. [13]
  • AI 윤리 및 거버넌스: AI의 편향성, 보안, 데이터 프라이버시 문제를 이해하고 관리하는 능력.
  • 지속적인 학습과 적응력: 특정 도구가 아닌, 끊임없이 발전하는 기술 자체를 배우고 적응하는 유연함. [5, 15]

결론적으로 '프롬프트 엔지니어', '바이브 코더'와 같은 명칭은 거대한 기술 혁신의 파도 위에서 잠시 나타났다 사라지는 물거품과 같습니다. 진정한 전문성은 유행어를 좇는 것이 아니라, 변화의 본질을 꿰뚫고 꾸준히 핵심 역량을 쌓아나가는 데서 나옵니다.


----------------

참고 도서: 

댓글

이 블로그의 인기 게시물

AI 바이브코딩 운영 가이드 (프롬프트 25종 첨부)

  AX컨설팅 동료용 실무 가이드 AI 바이브코딩 80% 벽 을 넘는 운영 가이드 AI로 웹사이트, 업무 자동화, 데이터 분석, 제안서 보조 도구, 내부 업무 시스템을 만들어보려는 컨설턴트를 위한 문서입니다. 바이브코딩은 “AI에게 코딩을 맡기는 일”이 아니라, AI 개발팀을 운영하는 일 입니다. 빠르게 되는 구간 ◀ 80% 벽 운영으로 넘는 구간 95% 80%까지는 AI가 데려다줍니다. 나머지 15%는 코딩 실력이 아니라 운영 방식 으로 넘습니다. 목차 1. 왜 80%에서 막히는가 2. 자주 나오는 네 가지 증상 3. 반드시 박아둘 검증 원칙 4. 상황별 실전 프롬프트 8종 5. 운영 4원칙 6. 컨설팅 현장 시나리오 7. 현장 체크리스트 18 8. 복사해서 쓰는 프롬프트 9. 최종 정리 01 · 진단 처음엔 날아가는데, 왜 80%에서 멈출까 요즘 AI로 개발을 해보면 처음에는 정말 빠릅니다. 로그인 화면이 금방 만들어지고, 버튼도 생기고, 데이터 입력 폼도 나오고, 간단한 대시보드도 몇 분 만에 완성됩니다. “이제 코딩은 AI가 다 해주는구나.” 그런데 실제 프로젝트에서는 이상한 일이 생깁니다. 처음 70~80%까지는 빠르게 가는데, 그 다음부터 갑자기 진도가 안 나갑니다. 증상 80% 지점에서 벌어지는 일 버튼 하나 고쳤더니 다른 버튼이 망가집니다. 오류를 고쳐달라고 했더니 디자인이 깨집니다. AI는 “수정 완료했습니다”라고 하는데 실행해보면 그대로입니다. 이전에 정한 요구사항을 잊어버립니다. 새 기능을 붙일수록 코드가 점점 복잡해집니다. 결국 처음부터 다시 만드는 것이 더 빠른 상황이 됩니다. 한 줄 결론 80% 벽은 AI의 코딩 실력만의 문제가 아닙니다. 대부분은 검증 없는 지시, 오염된 컨텍스트, 롤백 없는 작업 방식, 모호한 완료 기준 때문에 생깁니다. AI에게 코딩을 맡긴다는 것은 개발자를 없애는 일이 아닙니다. 오히려 우리의 역할이 바뀝니다. 기존 방식 AI 바이브코딩 방식 내가 직접 코드를 작성한다 AI에게 작업을 나누어 맡긴다 개발...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

[Google이 교육용 G Suite 을 위한 LMS 연동 키트 - Course Kit 베타 공개]

Google 이 드디어 G Suite for Eudcation 버전을 위한  LMS (Learning Management System) 연동을 위한 키트를 제공한다는 소식입니다.  현재는 베타 서비스로 베타 서비스 신청을 하면 서비스를 받을 수 있다고 합니다. 44개 언어로 제공이 된다고 합니다. 다행히도 한국어도 포함되어 있습니다. 자세한 사항은 아래 내용을 참고하시기 바랍니다.  효과적인 교수 및 학습을 위해서는 강사와 학생 간의 원활한 협력이 필요합니다. 올바른 기술과 교육은 이러한 연결을 용이하게하는 데 도움이 될 수 있습니다. 따라서 많은 대학, 대학, 학교 및 기타 교육 기관에서 강사 및 학생들에게 LMS (Learning Management System)를 제공합니다. 교육자와 학생들은 LMS를 사용하는 것 외에도 G Suite의 클라우드 기반 생산성 도구를 사용하여 실시간으로 만들고 공동 작업하고 통신합니다. 지금까지는 G Suite를 많은 LMS와 통합하는 쉬운 방법이 없었습니다. Course Kit 입력  - 강사가 Google 문서 도구 및 드라이브를 사용하여 과제를 수집하고, 학생들에게 더 빠르고 풍부한 피드백을 제공하고, 이미 사용중인 LMS 내의 강의 자료를 공유 할 수있게 해주는 무료 툴킷입니다.  Course Kit는 학습 도구 상호 운용성 (LTI) 표준 을 사용하여 구축되므로 LTI를 지원하는 모든 LMS를 쉽게 설정하고 사용할 수 있습니다. Course Kit에는 현재 할당 도구 및 파일 포함 도구가 포함되어있어 G Suite의 강력한 협업 기능을 교육 및 학습 워크 플로에 통합하기가 빠르고 안전합니다. 지난 학기 동안 더 높은 교육 기관을 통해 Course Kit를 시범 적으로 운영하여 현재 베타 프로그램을 통해 더 널리 사용하도록하고 있습니다. Course Kit의 과제 도구로 사려 깊은 피드백을 얻을 수있는 시간을 ...

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다 Uber Engineering이 공개한 “Running a Software Factory Efficiently at Uber Scale” 글은 단순한 AI 코딩 도구 소개가 아닙니다. 핵심은 AI 에이전트를 개발 현장에 많이 쓰면서도 비용을 통제하기 위한 운영 구조 입니다. 저는 이 글을 보면서 개인용 AI 오케스트레이션, 특히 제가 정리하고 있는 CPAO(Cost-aware Personal Agentic Orchestration) 와 매우 가까운 문제의식을 느꼈습니다. 규모는 Uber처럼 크지 않더라도, 개인·소규모 조직도 이제 AI를 “가끔 쓰는 도구”가 아니라 “반복 업무를 맡기는 업무팀”으로 운영해야 하는 단계에 들어섰기 때문입니다. 1. Uber가 말하는 AI Software Factory Uber는 AI 도구가 소프트웨어 개발 전 과정에 들어와 있다고 설명합니다. 코드 작성, 코드 리뷰, CI 실패 복구, 버그 분석, 온콜 알림 처리, 유지보수 PR 생성 등 여러 업무가 에이전트 기반으로 움직이고 있습니다. 인상적인 것은 사용량 증가입니다. Uber에 따르면 2026년 2월부터 8월까지 주간 활성 사용자는 7배, 주간 에이전트 요청은 9.4배 증가했습니다. 그런데 총 AI 비용은 4월 이후 비교적 안정화됐다고 합니다. 동일 모델 기준으로 보면 1,000개 요청당 비용은 피크 대비 약 34%, 세션당 비용은 6월 피크 대비 52% 낮아졌다고 합니다. 즉, Uber의 방향은 “AI를 덜 쓰자”가 아닙니다. 오히려 더 많이 쓰되, 낭비되는 턴·요청·토큰을 줄이는 방식 입니다. 2. 핵심은 비용 방정식이다 Uber는 AI 에이전트 비용을 다음과 같은 식으로 분해합니다. 총비용 = 사용자 수 × 세션/사용자 × 턴/세션 × 요청/턴 × 토큰/요청 × 토큰당 가격 이 식이 중요한 이유는 AI 비용을 막연한 “...